- ตัวดำเนินการ
-
เรียนรู้
เรียน Python ตัวอย่างที่รันได้, NumPy, pandas และอื่น ๆ เรียน AIโครงข่ายประสาท ML และ LLM ตั้งแต่ศูนย์ เรียน C และ C++ พอยน์เตอร์ หน่วยความจำ STL และ C++ สมัยใหม่ เรียน C#พื้นฐาน C#, OOP, LINQ, async และแบบฝึกหัด .NET อัลกอริทึม Python การค้นหา การเรียงลำดับ รีเคอร์ชัน และภาพจำลอง O(n) อัลกอริทึม C และ C++ เปรียบเทียบการเขียนด้วย C และ C++
- โจทย์ใหม่
โจทย์เขียนโค้ดเรื่องAi
ฝึกaiด้วยโจทย์เขียนโค้ด 47 ข้อ ตั้งแต่ง่ายไปจนถึงยาก ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันที รีวิวโค้ดจาก AI และคำตอบจากชุมชนให้เปรียบเทียบ
ง่าย · 19 ปานกลาง · 24 ยาก · 4
ทักษะที่จะได้ฝึก: Gradient descentBackpropagationTransformerกฎลูกโซ่การถดถอยต้นไม้ตัดสินใจAdamAttentionAttention แบบมีมาสก์BPEBanditCross-entropy
- Python · C++ · C#
- ทดสอบอัตโนมัติ
- รีวิวโค้ดโดย AI
- แนวทางจากชุมชน
- 226
- โจทย์
- 2
- วิธีแก้ที่แชร์
- 3
- ภาษา
โจทย์ทั้งหมด
ค้นหาตามหัวข้อ ภาษา หรือระดับความยาก
ปานกลาง
Gradient descent แบบ mini-batch
ฝึกโมเดลเชิงเส้นโดยอัปเดตน้ำหนักหลังแต่ละ batch เล็ก ๆ แทนที่จะรอจนครบทั้งชุดข้อมูล
คุณจะได้เรียนรู้
Mini-batchGradient descent
ยังไม่มีวิธีแก้
ง่าย
Gradient descent พร้อม momentum
ใช้การอัปเดตแบบ momentum ที่เก็บส่วนหนึ่งของก้าวก่อนหน้าไว้ เพื่อให้การฝึกเร่งความเร็วในทิศทางที่คงที่
คุณจะได้เรียนรู้
Momentumตัวปรับค่า
ยังไม่มีวิธีแก้
ยาก
Multi-head self-attention
ฉายอินพุตเป็น query, key และ value รัน attention ในหลาย head พร้อมกัน แล้วรวมผลเข้าด้วยกัน
คุณจะได้เรียนรู้
Multi-head attentionการฉายด้วยเมทริกซ์
ยังไม่มีวิธีแก้
ง่าย
การกำหนดน้ำหนักเริ่มต้นแบบ Xavier และ He
คำนวณช่วงหรือส่วนเบี่ยงเบนมาตรฐานที่ใช้กำหนดน้ำหนักเริ่มต้นของเลเยอร์
คุณจะได้เรียนรู้
การกำหนดค่าเริ่มต้น Xavier และ Heเสถียรภาพของการฝึก
ยังไม่มีวิธีแก้
ยาก
ฝึกโครงข่ายประสาทเทียมให้แก้ปัญหา XOR
รวมทุกอย่างเข้าด้วยกัน: ฝึกโครงข่าย sigmoid แบบ 2-2-1 ด้วยการแพร่ย้อนกลับจนเรียนรู้ XOR ได้
คุณจะได้เรียนรู้
ฝึกโครงข่ายประสาทเทียมปัญหา XOR
ยังไม่มีวิธีแก้
ปานกลาง
ตัวปรับค่า Adam
Implement Adam ตัวปรับค่ามาตรฐานของ deep learning ที่ใช้ค่าเฉลี่ยเคลื่อนที่และการแก้ความเอนเอียง
คุณจะได้เรียนรู้
Adamการแก้ความเอนเอียง
ยังไม่มีวิธีแก้
ปานกลาง
การสุ่มด้วย temperature และ top-k
เลือก token ถัดไปแบบโมเดลภาษา: เก็บ logit สูงสุด k ตัว ใช้ temperature แล้วสุ่ม
คุณจะได้เรียนรู้
การสร้างข้อความการสุ่มตัวอย่าง
ยังไม่มีวิธีแก้
ปานกลาง
ฝึกนิวรอนด้วยการลดเกรเดียนต์
ทำการส่งผ่านไปข้างหน้า คำนวณเกรเดียนต์ และปรับน้ำหนักซ้ำๆ เพื่อสอนนิวรอน sigmoid จากตัวอย่าง
คุณจะได้เรียนรู้
Gradient descentลูปการฝึก
ยังไม่มีวิธีแก้
ปานกลาง
การรวมแบบ Byte Pair Encoding (BPE)
เรียนรู้การรวม subword แบบเดียวกับ tokenizer ของ GPT: รวมคู่สัญลักษณ์ข้างเคียงที่พบบ่อยที่สุดซ้ำ ๆ
คุณจะได้เรียนรู้
BPEการตัด token ระดับ subword
ยังไม่มีวิธีแก้
ปานกลาง
การถดถอยเชิงเส้นด้วยการลดเกรเดียนต์
เรียนรู้ความชันและจุดตัดแกนของเส้นตรงด้วยการไล่ลงตามค่าคลาดเคลื่อนกำลังสองเฉลี่ยซ้ำๆ
คุณจะได้เรียนรู้
Gradient descentการถดถอย
ยังไม่มีวิธีแก้
ง่าย
ฟังก์ชันค่าสูญเสียแบบ categorical cross-entropy
วัดค่าสูญเสียของตัวจำแนกหลายคลาสจากความน่าจะเป็นที่ทำนายและคลาสที่ถูกต้อง
คุณจะได้เรียนรู้
Loss ของการจำแนกประเภทลอการิทึม
ยังไม่มีวิธีแก้
ง่าย
การทำนายด้วยการถดถอยโลจิสติก
จำแนกตัวอย่างเป็น 0 หรือ 1 โดยส่งผลรวมถ่วงน้ำหนักผ่าน sigmoid แล้วเทียบกับค่าเกณฑ์
คุณจะได้เรียนรู้
Logistic regressionค่าเกณฑ์
ยังไม่มีวิธีแก้
ง่าย
ความคล้ายคลึงโคไซน์
วัดว่าเวกเตอร์สองตัวคล้ายกันแค่ไหนจากมุมระหว่างกัน แบบเดียวกับที่เสิร์ชเอนจินเปรียบเทียบ embedding
คุณจะได้เรียนรู้
ความคล้ายของเวกเตอร์Embedding
ยังไม่มีวิธีแก้
ง่าย
การเข้ารหัสแบบ one-hot
แปลงหมวดหมู่เป็นเวกเตอร์ที่มีเลข 1 เพียงตัวเดียว ซึ่งเป็นรูปแบบอินพุตของตัวจำแนกและ embedding
คุณจะได้เรียนรู้
เวกเตอร์ one-hotข้อมูลเชิงหมวดหมู่
ยังไม่มีวิธีแก้
ง่าย
การปรับมาตรฐานด้วย z-score
ทำให้ฟีเจอร์มีค่าเฉลี่ย 0 และส่วนเบี่ยงเบนมาตรฐาน 1
คุณจะได้เรียนรู้
การทำให้เป็นมาตรฐานค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน
ยังไม่มีวิธีแก้
ปานกลาง
การถดถอยเชิงเส้นอย่างง่าย (กำลังสองน้อยที่สุด)
หาเส้นตรงที่เข้ากับจุดข้อมูลมากที่สุดด้วยสูตรกำลังสองน้อยที่สุด
คุณจะได้เรียนรู้
กำลังสองน้อยที่สุดการถดถอย
ยังไม่มีวิธีแก้
ง่าย
ค่าความไม่บริสุทธิ์ของจีนี
วัดว่าป้ายกำกับในกลุ่มปะปนกันแค่ไหน ซึ่งเป็นคะแนนที่ต้นไม้ตัดสินใจใช้เลือกการแบ่ง
คุณจะได้เรียนรู้
ต้นไม้ตัดสินใจตัววัดความไม่บริสุทธิ์
ยังไม่มีวิธีแก้
ปานกลาง
การเข้ารหัสตำแหน่งแบบไซน์
คำนวณเวกเตอร์ตำแหน่งแบบไซน์และโคไซน์ที่ Transformer บวกเข้ากับ embedding ของ token
คุณจะได้เรียนรู้
การเข้ารหัสตำแหน่งตรีโกณมิติ
ยังไม่มีวิธีแก้
เลือกตามหัวข้อ
- Beginner 95
- ai 47
- การเรียนรู้ของเครื่อง 42
- Strings 36
- Arrays 31
- math 21
- Simulation 19
- โครงข่ายประสาทเทียม 17
- Numbers 16
- Advanced 15
- Dynamic-programming 12
- Parsing 12
- Competitive-programming 10
- Conditions 9
- Graphs 8
- Grids 8
- Loops 8
- รูปแบบการออกแบบ 8
- Recursion 7
- Combinatorics 6
- Number-theory 6
- Sorting 6
- Functions 5
- Greedy 5
- Nested-loops 5
- Sequences 5
- Stacks 5
- Variables 5
- Algorithms 4
- Data-structures 4
- Geometry 4
- Patterns 4
- Dictionaries 3
- Fractions 3
- Sliding-window 3
- Trees 3
- การเรียนรู้แบบเสริมกำลัง 3